估算监控场景中的人数是安防监控的重要任务之一, 当人群密集、行人之间存在遮挡时, 人数估计较困难。因此, 针对密集场景下的人数估计问题, 提出了一种改进的基于卷积神经网络的人数估计方法。为了改善摄像透视畸变带来的影响, 分别利用深层网络和浅层网络提取人群特征, 深层和浅层网络分别设计了不同核大小的卷积层, 并将提取到的特征通过一个具备多尺度提取能力的结构进行融合。实验结果表明, 改进后的网络模型所获取的人群密度图更加贴近原场景信息, 人数估计结果也更加精确。